不揮発性アナログメモリの適用を目指したリザバー計算に基づく強化学習回路の設計

カテゴリ: 研究会(論文単位)

論文No: ECT21072

グループ名: 【C】電子・情報・システム部門 電子回路研究会

発行日: 2021/12/20

タイトル(英語): Integrated circuit design for reservoir-computing based reinforcement learning toward application of non-volatile analog memory

著者名: 川添 皓平(九州工業大学),玉井 克典(九州工業大学),宍戸 優樺(九州工業大学),香取 勇一(はこだて未来大学),田向 権(九州工業大学),野村 修(九州工業大学),森江 隆(九州工業大学)

著者名(英語): Kohei Kawazoe(Kyushu Institute of Technology),Katsunori Tamai(Kyushu Institute of Technology),Yuka Shishido(Kyushu Institute of Technology),Yuichi Katori(Future University Hakodate),Hakaru Tamukoh(Kyushu Institute of Technology),Osamu Nomura(Kyushu Instit

キーワード: 集積回路|リザバーコンピューティング|強化学習|不揮発性アナログメモリ|Integrated circuit|Reservoir computing|Reinforcement learning|Non-volatile analog memory

要約(日本語): 人間をサポートする自律ロボットは少ないデータで高速に学習できることが望まれる．これを実現するモデルとしてリザバーに基づいた強化学習が提案されている．また自律ロボットが長時間動作するためにはシステムが低消費電力でなければならない．高効率なオンチップ学習の鍵として不揮発性アナログメモリ（NVAM）が注目されている．その適用を想定したリザバー強化学習回路を提案する．

要約(英語): Autonomous robots that support humans should be able to learn fast with fewer data. As a model to achieve this, reinforcement learning based on reservoir computing has been proposed. In addition, for autonomous robots operating for a long time, the system is required to consume low power. Non-volatile analog memories (NVAMs) have been attracting attention as a key device for efficient on-chip learning. We propose an integrated circuit architecture that assumes a use of NVAMs for reservoir-based reinforcement learning.

本誌: 2021年12月23日-2021年12月24日電子回路研究会

本誌掲載ページ: 33-36 p

原稿種別: 日本語

PDFファイルサイズ: 1,017 Kバイト